Feb, 2024
双机器学习在因果混合建模中的应用 -- 地球科学中的应用
Double machine learning for causal hybrid modeling -- applications in the Earth sciences
Kai-Hendrik Cohrs, Gherardo Varando, Nuno Carvalhais, Markus Reichstein, Gustau Camps-Valls
TL;DR通过因果推断框架运用 Double Machine Learning(DML)估计混合模型,展示了在地球科学领域中估计因果参数的优势、对正则化方法偏差的鲁棒性以及避免等效多样性。该方法在碳通量配分中展现了适应异质因果效果的灵活性,并强调了明确定义因果图和关系的必要性,提倡这作为一般最佳实践,鼓励继续探索混合模型中的因果性以获得更可解释和可信赖的知识导向机器学习结果。